图像分割:将图像中具有特殊意义的不同区域划分开来,这些区域是不交互的。
一般采用的图像分割方法有阈值分割,边缘检测,区域生长,霍夫变换等。
阈值分割
阈值分割:按图像灰度幅度进行分割的方法,把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或要分割物体的边界。
难点:
- 无法确定图像分割生成区域的数目
- 阈值的确定(阈值选取过高,容易把大量的目标误判为背景;阈值选取过低,容易把大量的背景误判为目标)
阈值确定方法:
1.实验法
通过人眼的观察,对已知某些特征的图像试验不同的阈值,观察是否满足要求
2.根据直方图谷底确定阈值法
如果图像的前景物体内部和背景区域的灰度值分布都比较均匀,那么这个图形的灰度直方图具有明显的双峰,可以选择两峰之间的谷底对应的灰度值T作为阈值进行分割。
3.迭代选择阈值法
开始选择一个阈值作为初始估计值,按照某种规则不断地更新这一估计值,知道满足给定的条件为止。
4.最小均方误差法
以图像灰度为模式特征,假设各模式的灰度是独立分布的随机变量,并假设图像中待分割的模式服从一定的概率分布。一般来说采用正态分布。
5.最大类间方差法
在使用该方法对图像进行阈值分割的时候,选定的分割阈值应该使前景区域的平均灰度,背景区域的平均灰度与整幅图像的平均灰度之间差别最大,这种差异用方差来表示。
边缘检测
图像边缘是图像的基本特征,边缘上的点是指图像周围像素灰度产生变化的那些像素点,即灰度值导数较大的地方。
边缘检测的基本步骤:
- 平滑滤波:去除噪声(降低噪声的能力越强,边界强度的损失越大)
- 锐化滤波:加强了存在灰度局部变化位置的像素点
- 边缘判定:二值化处理和过零检测等
- 边缘连接:将间断的边缘连接为有意义的完整边缘,同时去除假边缘
边缘检测方法分类:
- 基于查找的算法:通过寻找图像一阶导数中的最大值和最小值来检测边界,通常是将边界定位在梯度最大的方向,基于一阶导数的边缘检测算法,包括Roberts算子,Sobel算子,Prewitt算子等
- 基于零穿越的算法:通过寻找图像二阶导数零穿越来寻找边界,通常是拉普拉斯过零点或非线性差分表示的过零点,基于二阶导数的边缘检测算法ÿ